agentic-context-engine
🧠 讓您的代理從經驗中學習。現已在 kayba.ai 提供託管解決方案。
agentic-context-engine 是什麼?
🧠 讓您的代理從經驗中學習。現已在 kayba.ai 提供託管解決方案。
agentic-context-engine 概覽
這是什麼
Agentic Context Engine (ACE) 是一個開源引擎,為 AI 代理程式加入持續學習循環。它是 Kayba 管理服務背後的引擎。ACE 維護一個 Skillbook——一個隨著每次任務演進的策略集合。三個專門角色管理學習循環:Agent(使用 Skillbook 策略執行任務)、Reflector(分析執行軌跡以提取成功與失敗)、以及 SkillManager(策劃 Skillbook)。遞迴 Reflector 會在沙盒環境中編寫並執行 Python 程式碼,以程式化方式搜尋模式並隔離錯誤。
主要功能
- 持續更新的 Skillbook,無需微調、訓練資料或向量資料庫即可儲存和更新策略。
- 三角色架構(Agent、Reflector、SkillManager),自動從執行軌跡中學習。
- 遞迴 Reflector 使用沙盒 Python 程式碼分析軌跡,提取可行洞察。
- 多種執行器:ACELiteLLM、ACE、TraceAnalyser、BrowserUse、LangChain 和 ClaudeCode。
- CLI 指令用於設定、模型搜尋、驗證和配置。
- 可組合的管道引擎,包含 AgentStep、EvaluateStep、ReflectStep、UpdateStep 和 DeduplicateStep 等步驟。
- 已驗證結果:在 Tau2 基準測試中將 pass^4 提升一倍(15 個學習策略,無獎勵訊號),瀏覽器自動化減少 49% 代幣,以及花費 $1.50 學習成本將 14k 行程式碼翻譯成 TypeScript,零建置錯誤。
使用情境
ACE 適用於需要從經驗中學習的 AI 代理程式。使用情境包括改善多步驟代理任務的一致性(例如航空領域基準測試)、降低瀏覽器自動化的代幣成本,以及自主程式碼翻譯(例如將 Python 轉換為 TypeScript)。它也可以從預先記錄的軌跡中學習,無需重新執行任務。
快速開始
bash uv add ace-framework ace setup # 互動式設定(建議) # 或手動設定: export OPENAI_API_KEY='your-key' 然後在 Python 中使用: python from ace import ACELiteLLM agent = ACELiteLLM(model='gpt-4o-mini') answer = agent.ask('Is there a seahorse emoji?') agent.learn_from_feedback('There is no seahorse emoji in Unicode.') answer = agent.ask('Is there a seahorse emoji?') print(agent.get_strategies())
授權與價格
授權為 Apache-2.0。此專案為開源。託管解決方案可在 kayba.ai 取得。
內容整理自該專案公開的 README 與儲存庫資訊。